原文传递
基于Xgboost算法的共享自行车短时需求预测研究
| 题名： | 基于Xgboost算法的共享自行车短时需求预测研究 |
| 正文语种： | 中文 |
| 作者： | 胡郁葱；张筑杰；王晓晴； |
| 关键词： | 共享自行车；短时需求预测；Xgboost算法；特征向量 |
| 摘要： | 为了提高共享自行车系统短时需求预测的准确性,提出基于Xgboost的共享自行车短时需求预测预测方法.Xgboost是近年来一种基于分类和回归树的热门算法,具有快速的数据处理能力,准确性高的优点.以某市2015年1—8月的公共自行车数据,类比经过聚类后的共享自行车需求,并考虑了天气因素,节假日因素,还有站点之间的相关性,构建特征向量,利用Xgboost算法对共享自行车短时需求进行预测并将结果与基于BP神经网络模型、ARMA模型和KNN算法的预测结果进行比较.结果表明,Xgboost算法模型精度更高,运算效率 |
| 期刊名称： | 武汉理工大学学报（交通科学与工程版） |
| 出版年： | 2019 |
| 期： | 01 |
| 页码： | 231-235,241 |
检索历史
应用推荐
